Publicação: Aplicações de inteligência artificial e reinforcement learning na previsão de preços e gestão de portfólios: ensaios no contexto financeiro e de commodities
Carregando...
Tipo do documento
Data
Direito de acesso
Coleções
Área do conhecimento
CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA::TELECOMUNICACOES
Título da Revista
ISSN da Revista
Título de Volume
Autores
Orientador
Coorientador
Barboza, Flavio Luiz de Moraes
Resumo
Esta tese é composta por três estudos que analisam o uso de inteligência artificial e aprendizado de máquina na previsão de preços e otimização de portfólios. O primeiro estudo aborda a aplicação de redes neurais de memória de longo curto prazo (em inglês, long short-term memory) para prever preços do etanol brasileiro, demonstrando que esse modelo superou outros algoritmos em termos de precisão, especialmente durante a pandemia. O segundo estudo se trata de uma revisão sistemática da literatura sobre inteligência artificial em gestão de portfólios, identificando lacunas e sugerindo direções futuras. O terceiro e último estudo compara algoritmos de aprendizado por reforço (em inglês, reinforcement learning) com estratégias tradicionais, mostrando que a inclusão de derivativos melhora o desempenho dos portfólios e que técnicas de reinforcement learning aumentam retornos sem elevar riscos. Os resultados destacam a eficácia da inteligência artificial na previsão de preços e otimização de investimentos, oferecendo vantagens ao setor financeiro e ao setor de commodities agrícolas.
Abstract
This thesis comprises three essays that utilize artificial intelligence (AI) and machine learning for price prediction and portfolio optimization. The first essay applies LSTM neural networks to predict Brazilian ethanol prices, demonstrating that this model outperforms other algorithms in accuracy, especially during the pandemic. The second essay conducts a systematic literature review on AI in portfolio management, identifying gaps and suggesting future directions. The third essay compares reinforcement learning algorithms with traditional strategies, showing that the inclusion of derivatives enhances portfolio performance and that RL techniques increase returns without raising risks. The results highlight the effectiveness of AI in price predictions and investment optimization, offering advantages in the financial and agricultural commodities sectors.
Palavras-chave
Aprendizado por Reforço, Otimização de Carteiras, Derivativos de Commodities, Dow Jones, Ibovespa, Custos de Transação, Gerenciamento de Ativos Orientado por IA, Reinforcement Learning, Portfolio Optimization, Commodity Derivatives, Transaction Costs, Data-Driven Asset Management
Citação
Santos, Gustavo Carvalho. Aplicações de inteligência artificial e reinforcement learning na previsão de preços e gestão de portfólios: ensaios no contexto financeiro e de commodities. 2024. 144 f. Tese ( Doutorado em Engenharia Elétrica) - Universidade Federal de Uberlândia, Uberlândia, 2024. DOI http://doi.org/10.14393/ufu.te.2024.501.